AI Engineer
Dans le cadre du développement de solutions applicatives basées sur l'intelligence artificielle, notre client recherche un AI Engineer spécialisé dans les LLM et leur intégration en env...
Résumé
<p>Dans le cadre du développement de solutions applicatives basées sur l'intelligence artificielle, notre client recherche un AI Engineer spécialisé dans les LLM et leur intégration en environnement de production.</p><p>La mission s'inscrit dans un projet visant à exploiter des données complexes et semi-structurées, notamment issues de documents contractuels du secteur de l'assurance, afin de développer des solutions intelligentes répondant à des cas d'usage métier concrets.</p><p>L'un des enjeux consiste à structurer et exploiter les informations extraites de ces documents, notamment à travers des modèles de données de type graphe, pour permettre leur interrogation et répondre efficacement aux besoins des utilisateurs.</p><p>Vous intégrerez une équipe pluridisciplinaire de 6 personnes, composée notamment d'un Product Owner, d'un Tech Lead, de Software Engineers et d'un AI Engineer.</p><p>En tant qu'AI Engineer, vous interviendrez sur l'ensemble du cycle de développement de solutions applicatives intégrant des modèles d'intelligence artificielle.</p><p>Vos responsabilités incluront notamment :<br />- Conception et développement de solutions IA : traduire des cas d'usage métier en solutions techniques robustes, maintenables et adaptées à la production.<br />- Intégration de LLM : concevoir, développer et optimiser des pipelines applicatifs reposant sur des Large Language Models.<br />- Extraction de données semi-structurées : transformer des contenus textuels complexes, hétérogènes ou irréguliers en données structurées respectant des schémas stricts.<br />- Approches hybrides : identifier les situations nécessitant des traitements déterministes (règles métier, heuristiques, expressions régulières) et celles justifiant le recours aux LLM.<br />- Évaluation et benchmarking : définir des métriques pertinentes, construire des dispositifs d'évaluation automatisés et mesurer la fiabilité des solutions, y compris en l'absence de données de référence parfaitement annotées.<br />- Expérimentation et amélioration continue : comparer différentes approches, prompts, modèles et configurations à travers une démarche expérimentale rigoureuse.<br />- Développement logiciel : concevoir des API et des composants Python modulaires, testables et maintenables, dans le respect des bonnes pratiques de software engineering.<br />- Mise en production : contribuer à l'industrialisation, à la fiabilité et à l'amélioration des performances des applications IA.</p>